KR102447122B1 - Apparatus and method for providing transshipment service based on artificial intelligence - Google Patents
Apparatus and method for providing transshipment service based on artificial intelligenceDownload PDFInfo
- Publication number
- KR102447122B1 KR102447122B1KR1020200093482AKR20200093482AKR102447122B1KR 102447122 B1KR102447122 B1KR 102447122B1KR 1020200093482 AKR1020200093482 AKR 1020200093482AKR 20200093482 AKR20200093482 AKR 20200093482AKR 102447122 B1KR102447122 B1KR 102447122B1
- Authority
- KR
- South Korea
- Prior art keywords
- dispatch
- cargo
- information
- transshipment
- freight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/08355—Routing methods
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
- G06Q50/28—
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
Translated fromKoreanDescription
Translated fromKorean본 발명은 환적배차 서비스 제공 기술에 관한 것으로, 보다 상세하게는 인공지능을 기초로 중간 경유지를 동적으로 설정하여 화물차량 간의 환적을 제공하는 인공지능 기반의 환적배차 서비스 제공 장치 및 방법에 관한 것이다.The present invention relates to a transshipment service providing technology, and more particularly, to an artificial intelligence-based transshipment service providing apparatus and method for dynamically setting an intermediate stopover based on artificial intelligence to provide transshipment between freight vehicles.
한국교통연구원의 보고에 의하면, 화물차의 하루 평균 통행회수는 2.95회(적재통행 1.6회, 공차통행 1.4회)로 조사되었다. 공차통행이란 화물차가 화물을 싣지 않고 운행하는 것을 말하며, 공차통행 비율이 높을수록 물류시스템이 비효율적이라는 의미한다.According to the report of the Korea Transportation Research Institute, the average number of trips per day for trucks was 2.95 (1.6 trips for loading, 1.4 times for empty cars). Empty traffic means that a freight car operates without loading cargo, and the higher the empty traffic ratio, the more inefficient the logistics system is.
한국교통연구원의 설문조사를 통해 조사된 바에 의하면, 약 42,000대의 화물차가 하루 동안 약 13만회의 통행을 하는데, 이 중 공차통행의 비율은 45.2%로 매우 높게 나타났다. 특히, 공차통행을 하는 차량은 1톤이하 화물차와 2.5 ~ 8.5톤 화물차가 가장 많은 비율을 차지하였으며, 2.5 ~ 8.5톤 화물차의 공차통행은 시군구 간의 통행보다 상대적으로 통행거리가 긴 광역시 간의 통행에서 보다 높게 나타났다.According to a survey conducted by the Korea Transportation Research Institute, about 42,000 trucks make about 130,000 trips per day, and the percentage of empty traffic is 45.2%, which is very high. In particular, trucks under 1 ton and 2.5 to 8.5 ton trucks accounted for the largest proportion of vehicles with empty vehicles. appeared high.
한편, 화물차주는 편도화물을 배정받을 때 공차로 복귀하는 부분을 고려하여 운임을 책정하며, 화물을 보내는 화주는 이를 감수한 운임을 지급하고 있는데, 해당 운임을 받더라도 화물차주 또한 시간적, 비용적 손실을 감수해야 한다. 이러한 문제는 편도 운송 완료 후 복귀 시에도 화물 운송이 가능한 경우 해결할 수 있으며, 최근 공유경제를 통해 트럭의 공차 운행률을 낮추려는 시도가 존재한다.On the other hand, the freight borrower sets the freight rate considering returning to the tolerance when receiving one-way freight, and the freight forwarder pays the freight rate that has been accepted. have to endure This problem can be solved if cargo can be transported even when returning after completing one-way transportation, and there are recent attempts to lower the empty truck operation rate through the sharing economy.
본 발명의 일 실시예는 인공지능을 기초로 중간 경유지를 동적으로 설정하여 화물차량 간의 환적을 제공하는 인공지능 기반의 환적배차 서비스 제공 장치 및 방법을 제공하고자 한다.An embodiment of the present invention is to provide an artificial intelligence-based transshipment service providing apparatus and method for dynamically setting an intermediate stopover based on artificial intelligence to provide transshipment between freight vehicles.
본 발명의 일 실시예는 인공지능을 기초로 화물 환적을 위한 최적의 중간 경유지를 동적으로 결정하여 공차운행에 따른 물류비 손실을 최소화할 수 있는 인공지능 기반의 환적배차 서비스 제공 장치 및 방법을 제공하고자 한다.An embodiment of the present invention is to provide an artificial intelligence-based transshipment service providing apparatus and method that can dynamically determine an optimal intermediate stopover for cargo transshipment based on artificial intelligence and minimize logistics cost loss due to empty vehicle operation. do.
본 발명의 일 실시예는 환적배차를 통해 복귀운임의 할인 및 편도운임의 절충을 제공하여 차주 및 화주 모두의 경제적인 손실을 줄일 수 있는 인공지능 기반의 환적배차 서비스 제공 장치 및 방법을 제공하고자 한다.An embodiment of the present invention provides an artificial intelligence-based transshipment service providing apparatus and method that can reduce economic losses for both borrowers and shippers by providing a discount for return fares and compromise of one-way fares through transshipment dispatch. .
실시예들 중에서, 인공지능 기반의 환적배차 서비스 제공 장치는 화물운송 요청에 연관되는 편도화물 및 복귀화물 각각의 화물정보를 수신하는 화물정보 수신부; 상기 화물정보를 기초로 상기 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성하는 복화배차 생성부; 복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성하는 복화배차 그룹 생성부; 각 복화배차 그룹에 대해 중간 경유지를 결정하고 상기 중간 경유지에서의 화물환적에 따른 결과를 예측하는 화물환적 예측부; 및 상기 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성하는 환적배차 생성부를 포함한다.In embodiments, the artificial intelligence-based transshipment service providing apparatus may include: a cargo information receiver configured to receive cargo information of each of a one-way cargo and a return cargo related to a cargo transport request; a multiplex dispatcher generating unit for generating multiplex dispatch information for sequentially processing cargo transportation for the one-way cargo and return cargo based on the cargo information; a complex dispatch group generating unit generating a plurality of complex dispatch groups by clustering a plurality of complex dispatch information; a freight transshipment prediction unit that determines an intermediate stopover for each double-delivery group and predicts a result according to the freight transshipment at the intermediate stopover; and a transshipment dispatcher generating unit which, upon receiving approval for the predicted result, updates the boxed dispatch information of the corresponding boxed dispatch group to generate the transshipment dispatch information.
상기 복화배차 정보 및 상기 환적배차 정보 각각은 상기 편도화물 및 복귀화물 간의 매칭정보 -상기 매칭정보는 1:1, 1:n, n:1 및 n:n 중 어느 하나에 해당함- 를 포함할 수 있다.Each of the parcel dispatch information and the transshipment dispatch information may include matching information between the one-way cargo and the return cargo, wherein the matching information corresponds to any one of 1:1, 1:n, n:1, and n:n. have.
상기 AI 모델은 상기 화물정보를 기초로 상기 화물운송이 완료된 화물배차 정보를 데이터화 하는 단계; 상기 화물배차 정보를 상기 화물 및 차량에 관한 복수의 조합들로 분류하는 단계; 상기 복수의 조합들 각각에 대해 상차지와 하차지를 포함하고 각 화물배차 정보에 대응되는 화물운송 경로를 식별하는 단계; 상기 상차지와 하차지 각각의 유사도를 기초로 화물운송 경로들을 군집화 하는 단계; 및 상기 분류 결과와 상기 군집화 결과를 포함하는 학습 데이터를 생성하여 학습하는 단계를 통해 구축될 수 있다.The AI model may include: dataizing cargo dispatch information in which the cargo transportation is completed based on the cargo information; classifying the freight dispatch information into a plurality of combinations related to the freight and vehicle; identifying a cargo transport route including loading and unloading locations for each of the plurality of combinations and corresponding to each cargo dispatch information; clustering freight transport routes based on the similarity of each of the loading and unloading stations; and generating and learning learning data including the classification result and the clustering result.
상기 화물환적 예측부는 복화배차 그룹의 복화배차 정보들과 연관되는 상차지들 및 하차지들 중 어느 하나를 상기 중간 경유지로서 결정할 수 있다.The freight transshipment prediction unit may determine as the intermediate stopover any one of loading stations and disembarking stations associated with the box distribution information of the box delivery group.
상기 화물환적 예측부는 상기 중간 경유지를 기초로 상기 화물환적이 가능한 후보 복화배차 정보들을 결정하는 단계; 상기 후보 복화배차 정보들 각각의 화물정보에 상기 화물환적을 적용하여 예비 환적배차 정보들을 생성하는 단계; 및 상기 예비 환적배차 정보들을 기초로 상기 화물배차의 처리를 위한 배차단가를 예측하는 단계를 통해 동작할 수 있다.determining, by the freight transshipment prediction unit, candidate freight dispatch information capable of transshipment of the freight based on the intermediate stopover; generating preliminary transshipment dispatch information by applying the freight transshipment to the respective freight information of the candidate freight forwarding dispatch information; and predicting a dispatch unit price for processing of the freight dispatch based on the preliminary transshipment dispatch information.
상기 환적배차 생성부는 상기 예비 환적배차 정보들의 편도화물 및 복귀화물을 각각 분리하는 단계; 상기 분리된 편도화물 및 복귀화물에 관한 후보 조합들을 생성하는 단계; 및 상기 후보 조합들에 관한 비교분석을 통해 최적 조합을 결정하고 해당 최적 조합을 기초로 상기 환적배차 정보를 생성하는 단계를 통해 동작할 수 있다.separating the one-way cargo and the return cargo of the preliminary transshipment dispatch information by the transshipment dispatch generating unit; generating candidate combinations for the separated tonsil cargo and return cargo; and determining an optimal combination through comparative analysis on the candidate combinations and generating the transshipment dispatch information based on the optimal combination.
상기 화물환적 예측부는 적어도 두개의 복화배차 그룹들에 대해 상기 중간 경유지를 결정하고, 상기 환적배차 생성부는 상기 AI 모델의 입력 데이터로서 상기 적어도 두개의 복화배차 그룹들 및 상기 중간 경유지에 관한 정보를 포함시킬 수 있다.The freight transshipment prediction unit determines the intermediate stopover for at least two multiplex dispatch groups, and the transshipment dispatch generator includes information about the at least two multiplex dispatch groups and the intermediate stopover as input data of the AI model. can do it
실시예들 중에서, 인공지능 기반의 환적배차 서비스 제공 방법은 화물운송 요청에 연관되는 편도화물 및 복귀화물 각각의 화물정보를 수신하는 단계; 상기 화물정보를 기초로 상기 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성하는 단계; 복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성하는 단계; 각 복화배차 그룹에 대해 중간 경유지를 결정하고 상기 중간 경유지에서의 화물환적에 따른 결과를 예측하는 단계; 및 상기 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성하는 단계를 포함한다.In embodiments, a method for providing an artificial intelligence-based transhipment dispatch service includes: receiving cargo information of each of a one-way cargo and a return cargo related to a cargo transport request; generating multiplex dispatch information for sequentially processing cargo transportation for the one-way cargo and the return cargo based on the cargo information; generating a plurality of complex dispatch groups by clustering a plurality of complex dispatch information; determining an intermediate stopover for each double-delivery group and predicting a result according to cargo transshipment at the intermediate stopover; and generating transshipment dispatch information by updating the boxed dispatch information of the corresponding boxed dispatch group when approval for the predicted result is received.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology may have the following effects. However, this does not mean that a specific embodiment should include all of the following effects or only the following effects, so the scope of the disclosed technology should not be construed as being limited thereby.
본 발명의 일 실시예에 따른 인공지능 기반의 환적배차 서비스 제공 장치 및 방법은 인공지능을 기초로 화물 환적을 위한 최적의 중간 경유지를 동적으로 결정하여 공차운행에 따른 물류비 손실을 최소화할 수 있다.The apparatus and method for providing an artificial intelligence-based transhipment dispatch service according to an embodiment of the present invention can dynamically determine an optimal intermediate stopover for freight transshipment based on artificial intelligence, thereby minimizing logistics cost loss due to empty vehicle operation.
본 발명의 일 실시예에 따른 인공지능 기반의 환적배차 서비스 제공 장치 및 방법은 환적배차를 통해 복귀운임의 할인 및 편도운임의 절충을 제공하여 차주 및 화주 모두의 경제적인 손실을 줄일 수 있다.The apparatus and method for providing a transshipment dispatch service based on artificial intelligence according to an embodiment of the present invention can reduce the economic loss of both the borrower and the shipper by providing a return fare discount and one-way fare compromise through transshipment dispatch.
도 1은 본 발명에 따른 환적배차 서비스 제공 시스템을 설명하는 도면이다.
도 2는 도 1의 환적배차 서비스 제공 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 환적배차 서비스 제공 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 환적배차 서비스 제공 과정을 설명하는 순서도이다.
도 5 및 6은 본 발명에 따른 환적배차 서비스 제공 과정을 설명하는 도면이다.1 is a diagram illustrating a system for providing a transshipment dispatch service according to the present invention.
FIG. 2 is a view for explaining a system configuration of the apparatus for providing a transshipment service of FIG. 1 .
FIG. 3 is a view for explaining a functional configuration of the apparatus for providing a transshipment dispatch service of FIG. 1 .
4 is a flowchart illustrating a process of providing an artificial intelligence-based transshipment dispatch service according to an embodiment of the present invention.
5 and 6 are diagrams for explaining a process of providing a transshipment service according to the present invention.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.Since the description of the present invention is merely an embodiment for structural or functional description, the scope of the present invention should not be construed as being limited by the embodiment described in the text. That is, since the embodiment is capable of various changes and may have various forms, it should be understood that the scope of the present invention includes equivalents capable of realizing the technical idea. In addition, since the object or effect presented in the present invention does not mean that a specific embodiment should include all of them or only such effects, it should not be understood that the scope of the present invention is limited thereby.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.On the other hand, the meaning of the terms described in the present application should be understood as follows.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Terms such as “first” and “second” are for distinguishing one component from another, and the scope of rights should not be limited by these terms. For example, a first component may be termed a second component, and similarly, a second component may also be termed a first component.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When a component is referred to as being “connected” to another component, it may be directly connected to the other component, but it should be understood that other components may exist in between. On the other hand, when it is mentioned that a certain element is "directly connected" to another element, it should be understood that the other element does not exist in the middle. On the other hand, other expressions describing the relationship between elements, that is, "between" and "between" or "neighboring to" and "directly adjacent to", etc., should be interpreted similarly.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expression is to be understood to include the plural expression unless the context clearly dictates otherwise, and terms such as "comprises" or "have" refer to the embodied feature, number, step, action, component, part or these It is intended to indicate that a combination exists, and it should be understood that it does not preclude the possibility of the existence or addition of one or more other features or numbers, steps, operations, components, parts, or combinations thereof.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.Identifiers (eg, a, b, c, etc.) in each step are used for convenience of description, and the identification code does not describe the order of each step, and each step clearly indicates a specific order in context. Unless otherwise specified, it may occur in a different order from the specified order. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can be embodied as computer-readable codes on a computer-readable recording medium, and the computer-readable recording medium includes all types of recording devices in which data readable by a computer system is stored. . Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, and the like. In addition, the computer-readable recording medium may be distributed in a network-connected computer system, and the computer-readable code may be stored and executed in a distributed manner.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Terms defined in the dictionary should be interpreted as being consistent with the meaning of the context of the related art, and cannot be interpreted as having an ideal or excessively formal meaning unless explicitly defined in the present application.
도 1은 본 발명에 따른 환적배차 서비스 제공 시스템을 설명하는 도면이다.1 is a diagram illustrating a system for providing a transshipment dispatch service according to the present invention.
도 1을 참조하면, 환적배차 서비스 제공 시스템(100)은 차주 단말(110), 화주 단말(130), 환적배차 서비스 제공 장치(150) 및 데이터베이스(170)를 포함할 수 있다.Referring to FIG. 1 , the transshipment dispatch
차주 단말(110)은 화물운송을 제공하는 물류기업에서 운용하는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 차주 단말(110)은 환적배차 서비스 제공 장치(150)와 네트워크를 통해 연결될 수 있고, 복수의 차주 단말(110)들은 환적배차 서비스 제공 장치(150)와 동시에 연결될 수 있다. 또한, 차주 단말(110)은 전용 프로그램을 통해 화물운송 주문을 접수하고 화물운송을 위한 화물배차 및 처리를 위한 통합 시스템을 제공할 수 있다.The
일 실시예에서, 차주 단말(110)은 화물운송 주문을 접수 및 관리하는 주문 관리 모듈, 화물배차에 따른 운송현황을 관리하는 운송 관리 모듈 및 화물배차를 위한 화물차량에 관한 정보를 저장하는 차량 데이터베이스를 포함하여 구현될 수 있다.In an embodiment, the
화주 단말(130)은 화물운송을 요청하는 화물기업에서 운용하는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 화주 단말(130)은 환적배차 서비스 제공 장치(150)와 네트워크를 통해 연결될 수 있고, 복수의 화주 단말(130)들은 환적배차 서비스 제공 장치(150)와 동시에 연결될 수 있다. 또한, 화주 단말(130)은 전용 프로그램을 통해 화물운송 주문을 입력하고 운송현황을 포함하여 화물 재고 및 관리를 위한 통합 시스템을 제공할 수 있다.The
일 실시예에서, 화주 단말(130)은 화물운송 주문을 관리하는 주문 관리 모듈, 화물운송에 따른 재고를 관리하는 재고 관리 모듈 및 화물정보를 저장하는 화물 데이터베이스를 포함하여 구현될 수 있다.In one embodiment, the
환적배차 서비스 제공 장치(150)는 기존의 화물 배송 시스템의 단점을 보완하고 화물운송 빅데이터에 기반한 딥러닝으로 구축된 인공지능을 적용하여 환적배차 서비스를 제공할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 여기에서, 환적배차 서비스는 상차지와 하차지 사이에 중간 경유지를 설정하고 해당 중간 경유지를 기점으로 화물차량 간의 화물 환적을 통해 화물 운송을 제공하기 위한 화물배차를 제공하는 서비스에 해당할 수 있다.The device for providing
한편, 복화배차 서비스는 특정 화물의 운송 완료 후 출발지로의 복귀 시에도 다른 화물의 운송이 가능하도록 편도화물과 복귀화물에 대한 화물운송 주문을 하나로 통합하여 화물배차를 제공하는 서비스에 해당할 수 있다. 즉, 편도화물은 상차지에서 하차지로 운송되는 화물에 해당할 수 있고, 복귀화물은 역으로 하차지에서 상차지로 운송되는 화물에 해당할 수 있다.On the other hand, the freight forwarding service may correspond to a service that provides freight dispatch by integrating freight transportation orders for one-way freight and return freight so that other freight can be transported even when returning to the departure location after completing the transport of a specific freight. . That is, the one-way cargo may correspond to the cargo transported from the loading point to the disembarkation point, and the return cargo may correspond to the cargo transported from the disembarkation point to the loading point in reverse.
환적배차 서비스 제공 장치(150)는 차주 단말(110) 및 화주 단말(130)과 네트워크를 통해 연결되어 데이터를 주고받을 수 있다. 또한, 환적배차 서비스 제공 장치(150)는 화물운송 주문을 처리하기 위한 화물배차를 제공하고 관리하기 위한 통합 시스템을 제공할 수 있다. 예를 들어, 환적배차 서비스 제공 장치(150)는 자동 주문관리, 자동 라우팅, 자동 배차관리, 실시간 차량관제, 최적화 단가산출 및 예상물량 산출 등의 부가기능을 제공할 수 있다.The transshipment dispatch
일 실시예에서, 환적배차 서비스 제공 장치(150)는 데이터베이스(170)와 연동하여 인공지능 기반 환적배차 서비스 제공에 필요한 다양한 데이터를 저장할 수 있다. 또한, 환적배차 서비스 제공 장치(150)는 프로세서, 메모리, 사용자 입출력부 및 네트워크 입출력부를 포함하여 구현될 수 있으며, 이에 대해서는 도 2에서 보다 자세히 설명한다.In an embodiment, the apparatus for providing
데이터베이스(170)는 환적배차 서비스 제공 장치(150)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 데이터베이스(170)는 다양한 화물차량, 차주 및 화주에 관한 정보를 저장할 수 있고, 복화배차 및 환적배차 정보들을 생성하는 AI 모델에 관한 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 환적배차 서비스 제공 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.The
도 2는 도 1의 환적배차 서비스 제공 장치의 시스템 구성을 설명하는 도면이다.FIG. 2 is a view for explaining a system configuration of the apparatus for providing a transshipment service of FIG. 1 .
도 2를 참조하면, 환적배차 서비스 제공 장치(150)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함하여 구현될 수 있다.Referring to FIG. 2 , the apparatus for providing a
프로세서(210)는 환적배차 서비스 제공 장치(150)가 동작하는 과정에서의 각 단계들을 처리하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 환적배차 서비스 제공 장치(150)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 환적배차 서비스 제공 장치(150)의 CPU(Central Processing Unit)로 구현될 수 있다.The
메모리(230)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 환적배차 서비스 제공 장치(150)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.The
사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 환적배차 서비스 제공 장치(150)는 서버로서 수행될 수 있다.The user input/
네트워크 입출력부(270)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.The network input/
도 3은 도 1의 환적배차 서비스 제공 장치의 기능적 구성을 설명하는 도면이다.FIG. 3 is a view for explaining a functional configuration of the apparatus for providing a transshipment dispatch service of FIG. 1 .
도 3을 참조하면, 환적배차 서비스 제공 장치(150)는 화물정보 수신부(310), 복화배차 생성부(320), 복화배차 그룹 생성부(330), 화물환적 예측부(340), 환적배차 생성부(350) 및 제어부(360)를 포함할 수 있다.Referring to FIG. 3 , the transshipment
화물정보 수신부(310)는 화물운송 요청에 연관되는 편도화물 및 복귀화물 각각의 화물정보를 수신할 수 있다. 여기에서, 편도화물은 상차지에서 하차지로 운송되는 화물에 해당할 수 있고, 복귀화물은 역으로 하차지에서 상차지로 운송되는 화물에 해당할 수 있다. 즉, 편도화물 및 복귀화물은 한 방향으로의 화물운송이 종료되면 출발지로 복귀하는 반대 방향으로의 운행은 공차운행인 경우에 해당할 수 있다. 화물정보는 화물운송에 연관된 정보로서 상·하차지, 상·하차시간, 차량 유형과 톤수, 화물 내용 등을 포함할 수 있다. 화물정보 수신부(310)는 화주 단말(130)로부터 화물운송에 관한 주문을 수신하여 화물배차를 위해 등록할 수 있다.The
한편, 화물정보 수신부(310)는 차주 단말(110)로부터 화물운송에 관한 처리정보를 수신할 수 있고, 해당 처리정보는 화물운송과 연관된 화물정보에 반영되어 관리될 수 있다. 이 때, 처리정보는 화물의 입·출고시간, 운송거리, 운송시간, 운송경로, 대기시간, 날씨 및 교통상황 등을 포함할 수 있다.Meanwhile, the cargo
복화배차 생성부(320)는 화물정보를 기초로 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성할 수 있다. 이 때, 복화배차 정보는 화물정보에서 화물 및 차량 각각의 편도, 왕복 및 복귀에 관한 정보를 학습하여 구축된 AI 모델에 의해 생성될 수 있다. 여기에서, 복화배차 정보는 편도화물과 복귀화물을 하나로 통합하여 하나의 화물차량에 배정하는 화물배차 정보에 해당할 수 있다. 즉, 환적배차 서비스 제공 장치(150)는 복화배차 생성부(320)를 통해 복화배차 정보를 생성하여 화물배차를 처리함으로써 화물운송 후 복귀 시 화물차량의 공차운행을 최소화시킬 수 있다.The
또한, 복화배차 생성부(320)는 AI 모델을 적용하여 복화배차 정보의 생성 과정을 자동화할 수 있다. 이를 위하여, 복화배차 생성부(320)는 화물정보 수신부(310)가 수집한 화물정보와 그 처리정보를 학습하여 AI 모델을 구축할 수 있다. 즉, 복화배차 생성부(320)는 화물운송과 관련하여 화물과 차량 각각 관점에서 도출되는 편도, 왕복 및 복귀에 따른 정보를 학습 데이터로 활용하여 AI 모델을 구축할 수 있다.Also, the box
일 실시예에서, 복화배차 정보는 편도화물 및 복귀화물 간의 매칭정보 -상기 매칭정보는 1:1, 1:n, n:1 및 n:n 중 어느 하나에 해당함- 를 포함할 수 있다. 복화배차 생성부(320)는 현재 등록된 화물운송 정보들을 기초로 AI 모델을 통해 복화배차 정보를 생성할 수 있다. 이 때, AI 모델을 통해 생성된 복화배차 정보는 편도화물과 복귀화물에 관한 조합, 즉 편도화물에 매칭되는 복귀화물에 대한 정보를 포함할 수 있다. 한편, 복화배차 정보는 하나의 편도화물에 대해 하나의 복귀화물이 매칭되는 1:1 매칭, 하나의 편도화물에 대해 복수의 복귀화물들이 매칭되는 1:n 매칭, 복수의 편도화물들에 하나의 복귀화물이 매칭되는 n:1 매칭 및 복수의 편도화물들에 복수의 복귀화물들이 매칭되는 n:n 매칭 중 어느 하나에 해당할 수 있다.In an embodiment, the box-box dispatch information may include matching information between one-way cargo and return cargo, wherein the matching information corresponds to any one of 1:1, 1:n, n:1, and n:n. The
예를 들어, 하나의 편도화물에 대해 복수의 복귀화물들이 매칭되는 경우 화물운송의 경로는 하나의 편도화물을 운송한 이후 복수의 북귀화물들을 순차적으로 운송한 후 최초 출발지로 복귀하는 경로에 해당할 수 있다. 복화배차 생성부(320)는 기본적으로 편도화물과 복귀화물 간의 1:1 매칭을 기초로 복화배차 정보를 생성할 수 있으며, 필요에 따라 1:1 매칭보다 비용, 시간 및 거리 중 적어도 하나의 측면에서 더 나은 매칭이 존재하는 경우 선택적으로 1:1 매칭이 아닌 다른 매칭을 기초로 복화배차 정보를 생성할 수 있다.For example, if a plurality of return cargos are matched for one one-way cargo, the route of cargo transportation corresponds to a route for returning to the original departure point after transporting one one-way cargo and then sequentially transporting a plurality of return cargoes can do. The
일 실시예에서, 복화배차 생성부(320)는 다음의 단계들을 통해 AI 모델을 구축할 수 있다. 보다 구체적으로, AI 모델은 화물정보를 기초로 화물운송이 완료된 화물배차 정보를 데이터화 하는 제1 단계, 화물배차 정보를 화물 및 차량에 관한 복수의 조합들로 분류하는 제2 단계, 복수의 조합들 각각에 대해 상차지와 하차지를 포함하고 각 화물배차 정보에 대응되는 화물운송 경로를 식별하는 제3 단계, 상차지와 하차지 각각의 유사도를 기초로 화물운송 경로들을 군집화 하는 제4 단계 및 분류 결과와 군집화 결과를 포함하는 학습 데이터를 생성하여 학습하는 제5 단계를 통해 구축될 수 있다.In an embodiment, the
보다 구체적으로, AI 모델은 복화배차 생성부(320)에 의해 사전에 구축될 수 있으며, 화물정보 수신부(310)에 의해 수집된 화물정보를 기초로 모델 학습이 수행될 수 있다. 즉, 복화배차 생성부(320)는 화물운송과 관련된 정보들에서 화물운송이 완료된 화물배차 정보만으로 데이터베이스를 구축할 수 있다. 또한, 복화배차 생성부(320)는 화물과 차량에 관한 다양한 조합들을 정의한 후 구축된 정보들을 분류할 수 있다. 예를 들어, 화물운송이 가능한 차량 유형이 10개이고 화물운송 완료된 화물의 종류가 10개인 경우, 복화배차 생성부(320)는 차량과 화물 간의 총 100개의 조합들을 생성할 수 있고, 기 구축된 정보를 해당 조합들에 따라 분류할 수 있다.More specifically, the AI model may be built in advance by the box
또한, 복화배차 생성부(320)는 분류된 화물배차 정보 각각에 대해 화물운송 경로를 결정할 수 있다. 화물배차 정보는 화물정보를 포함할 수 있고, 화물운송이 완료된 경우 화물정보는 화물운송의 처리 결과를 반영하여 갱신될 수 있다. 화물운송에 관한 처리정보는 해당 화물차량의 이동경로에 대한 정보를 포함할 수 있고, 이를 기초로 복화배차 생성부(320)는 각 화물배차 정보에 대응되는 화물운송 경로를 식별할 수 있다. 이 때, 화물운송 경로는 상차지와 하자치에 대한 정보를 포함할 수 있다.Also, the box
또한, 복화배차 생성부(320)는 화물운송 경로들에 대해 상차지 간의 유사도 및 하차지 간의 유사도를 기초로 군집화를 수행할 수 있다. 여기에서, 군집화는 개체들 사이의 공통성을 기초로 복수의 그룹들로 나누는 연산에 해당할 수 있다. 이를 통해, 복화배차 생성부(320)는 유사한 화물운송 경로들을 하나로 통합할 수 있고, 학습을 통해 해당 화물운송 경로들이 제공하는 공통 정보를 AI 모델에 효과적으로 적용시킬 수 있다. 즉, 복화배차 생성부(320)는 화물배차 정보의 분류 결과와 화물운송 경로의 군집화 결과를 기초로 학습 데이터를 생성하여 이를 학습할 수 있다.Also, the
복화배차 그룹 생성부(330)는 복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성할 수 있다. 보다 구체적으로, 복화배차 그룹 생성부(330)는 각 복화배차 정보에 대응되는 화물운송 경로를 식별할 수 있고, 화물운송 경로들 간의 교차가 발생하는 복화배차 정보들을 1차적으로 군집화 할 수 있다. 또한, 복화배차 그룹 생성부(330)는 화물운송 경로의 교차점들 사이의 근접성을 기초로 복화배차 정보들을 2차적으로 군집화 할 수 있다. 예를 들어, 화물운송 경로들 간의 교차가 발생하는 경우라 하더라도 다른 교차점들과의 최장거리가 기 설정된 임계거리를 초과하는 경우 복화배차 그룹 생성부(330)는 해당 교차점에 연관된 복화배차 정보들을 군집화 된 그룹에서 제외시킬 수 있다.The complex dispatch
한편, 복화배차 그룹 생성부(330)는 다양한 군집화 알고리즘을 적용하여 군집화를 수행할 수 있다. 예를 들어, 복화배차 그룹 생성부(330)는 k-평균 알고리즘((k-means algorithm), 계층적 군집화 알고리즘(hierarchical clustering algorithm) 등을 이용하여 복화배차 정보들 간의 군집화를 처리할 수 있다. 또한, 복화배차 그룹 생성부(330)는 화물운송 경로들 간의 교차점 이외에도 상차지, 하차지 또는 화물운송 경로 상의 경유지 등 다양한 위치를 중심으로 군집화를 수행할 수 있다.On the other hand, the complex dispatch
화물환적 예측부(340)는 각 복화배차 그룹에 대해 중간 경유지를 결정하고 중간 경유지에서의 화물환적에 따른 결과를 예측할 수 있다. 즉, 화물환적 예측부(340)는 군집화의 결과로 생성된 복화배차 그룹에 대해 중간 경유지를 결정할 수 있으며, 복화배차 정보들이 교통량이나 날씨 등의 운송조건에 따라 동적으로 결정된 화물운송 경로를 포함하는 점에서 각 복화배차 그룹에 대한 중간 경유지 역시 동적으로 결정될 수 있다.The freight
또한, 화물환적 예측부(340)는 복화배차 그룹에 대해 중간 경유지가 결정되는 경우 해당 중간 경유지를 상차지 또는 하차지로 포함하는 복화배차 정보를 재생성할 수 있고, 그에 따른 화물운송 결과를 예측할 수 있다. 화물환적 예측부(340)는 복화배차 그룹 별로 기존의 복화배차 정보에 따른 화물운송 결과와 중간 경유지를 기초로 새롭게 재생성된 복화배차 정보에 따른 화물운송 결과를 비교 분석하여 시간, 비용 및 거리 측면에서의 효율을 각각 산출할 수 있다.In addition, the freight
일 실시예에서, 화물환적 예측부(340)는 복화배차 그룹의 복화배차 정보들과 연관되는 상차지들 및 하차지들 중 어느 하나를 중간 경유지로서 결정할 수 있다. 복화배차 정보에 포함되는 상차지 및 하차지의 경우 기존의 화물운송과 관련하여 상하차 시설이 구축된 상태이므로 화물환적 예측부(340)는 중간 경유지에서의 화물환적이 원활하게 수행될 수 있도록 기존의 상차지 및 하차지를 중심으로 중간 경유지를 결정할 수 있다.In an embodiment, the freight
일 실시예에서, 화물환적 예측부(340)는 중간 경유지를 기초로 화물환적이 가능한 후보 복화배차 정보들을 결정하는 단계, 후보 복화배차 정보들 각각의 화물정보에 화물환적을 적용하여 예비 환적배차 정보들을 생성하는 단계 및 예비 환적배차 정보들을 기초로 화물배차의 처리를 위한 배차단가를 예측하는 단계를 통해 동작할 수 있다.In one embodiment, the freight
보다 구체적으로, 화물환적 예측부(340)는 중간 경유지를 기초로 화물환적이 가능한 후보 복화배차 정보들을 결정할 수 있다. 복화배차 그룹 단위로 결정된 중간 경유지라고 하더라도 복화배차 그룹에 속한 모든 복화배차 정보가 환적배차 정보로 갱신될 필요는 없으며, 화물환적 예측부(340)는 복화배차 그룹에서 화물환적을 통해 기존의 시간, 비용 및 거리 측면에서 개선 가능한 복화배차 정보들을 추출하여 후보 복화배차 정보로 결정할 수 있다.More specifically, the freight
또한, 화물환적 예측부(340)는 후보 복화배차 정보들 각각의 화물정보에 화물환적을 적용하여 예비 환적배차 정보들을 생성할 수 있다. 즉, 복화배차 정보에 포함된 편도화물과 복귀화물에 대한 화물배차 정보는 중간 경유지에서의 화물환적을 기준으로 재설정되어 예비 환적배차 정보로 갱신될 수 있다.In addition, the freight
예를 들어, 상차지에서 하차지까지 화물 A를 운송하는 편도화물의 화물배차 정보는 상차지에서 중간 경유지까지 화물 A를 운송하는 화물배차 정보를 포함하는 예비 환적배차 정보와 중간 경유지에서 하차지까지 화물 A를 운송하는 화물배차 정보를 포함하는 예비 환적배차 정보로 변경될 수 있다. 또한, 하차지에서 상차지까지 화물 B를 운송하는 복귀화물의 화물배차 정보는 하차지에서 중간 경유지까지 화물 B를 운송하는 화물배차 정보를 포함하는 예비 환적배차 정보와 중간 경유지에서 상차지까지 화물 B를 운송하는 화물배차 정보를 포함하는 예비 환적배차 정보로 변경될 수 있다.For example, the freight dispatch information of a one-way cargo transporting cargo A from the loading point to the disembarkation point includes preliminary transshipment and dispatch information including cargo dispatch information for transporting the cargo A from the loading point to the intermediate stopover and from the intermediate stopover to the disembarkation point. It may be changed to preliminary transshipment dispatch information including freight dispatch information for transporting cargo A. In addition, the cargo dispatch information of the return cargo transporting cargo B from the disembarkation point to the loading point includes preliminary transshipment information including cargo dispatch information for transporting the cargo B from the disembarkation point to the intermediate stopover and cargo B from the intermediate stopover point to the loading point. It may be changed to preliminary transshipment dispatch information including freight dispatch information that transports
또한, 화물환적 예측부(340)는 예비 환적배차 정보들을 기초로 화물배차의 처리를 위한 배차단가를 예측할 수 있다. 즉, 화물환적 예측부(340)는 중간 경유지를 기준으로 새롭게 갱신된 화물배차 정보에 기초하여 복화배차 그룹에 대한 화물배차의 처리 결과를 배차단가로서 예측할 수 있다.In addition, the freight
일 실시예에서, 화물환적 예측부(340)는 적어도 두개의 복화배차 그룹들에 대해 중간 경유지를 결정할 수 있다. 즉, 화물환적 예측부(340)는 특정 복화배차 그룹에 대해 중간 경유지를 결정할 수 없는 경우 다른 복화배차 그룹을 추가적으로 고려하여 중간 경유지를 결정할 수 있다. 결과적으로, 복화배차 그룹은 환적배차 정보 생성을 위한 중간 경유지 결정 과정에서 기존의 복화배차 정보들을 검토함에 있어 기준 단위를 제시하는 역할을 수행할 수 있다.In an embodiment, the freight
한편, 화물환적 예측부(340)는 기존의 복화배차 그룹에 대한 전체 배차단가와 중간 경유지의 추가로 새롭게 생성된 환적배차 정보에 대한 배차단가를 예측·비교하여 배차방식에 관한 선택 정보를 제공할 수 있다.On the other hand, the freight
환적배차 생성부(350)는 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성할 수 있다. 즉, 환적배차 정보는 추가된 중간 경유지를 기점으로 기존의 복화배차 정보가 갱신된 결과에 해당할 수 있다. 따라서, 환적배차 생성부(350)에 의해 생성된 환적배차 정보는 기존의 복화배차 정보보다 결과적으로 공차운행이 감소되어 화물운송의 시간, 비용 및 거리 중 적어도 하나를 개선시킬 수 있는 배차계획에 해당할 수 있다.When receiving approval for the predicted result, the
한편, 환적배차 생성부(350)는 예측된 결과에 영향을 받는 차주 단말(110)들로부터 해당 변경에 대한 승인을 수신한 경우 환적배차 정보를 생성할 수 있다. 즉, 차주는 차주 단말(110)을 통해 변경된 내용을 확인하고 이에 대한 승인을 입력할 수 있고, 환적배차 생성부(350)는 해당 승인을 수신한 경우 최종적으로 기존의 정보를 새롭게 갱신할 수 있다. 또한, 환적배차 생성부(350)는 다양한 승인 방식을 적용하여 동작할 수 있고, 예를 들어, 다수결 방식에 따라 과반수 이상의 차주 단말(110)들로부터 승인을 수신한 경우 환적배차 정보의 생성 동작을 개시할 수 있다.Meanwhile, the
일 실시예에서, 환적배차 정보는 화물정보에서 화물 및 차량 각각의 편도, 왕복 및 복귀에 관한 정보를 학습하여 구축된 AI 모델에 의해 생성될 수 있다. 즉, 환적배차 생성부(350)는 AI 모델을 적용하여 환적배차 정보의 생성 과정을 자동화할 수 있다. 이를 위하여, 환적배차 생성부(350)는 화물정보 수신부(310)가 수집한 화물정보와 그 처리정보를 학습하여 AI 모델을 구축할 수 있다. 즉, 환적배차 생성부(350)는 화물운송과 관련하여 화물과 차량 각각 관점에서 도출되는 편도, 왕복 및 복귀에 따른 정보를 학습 데이터로 활용하여 AI 모델을 구축할 수 있다.In an embodiment, the transshipment dispatch information may be generated by an AI model constructed by learning information about one-way, round-trip, and return of each cargo and vehicle from the cargo information. That is, the
일 실시예에서, 환적배차 정보는 편도화물 및 복귀화물 간의 매칭정보 -상기 매칭정보는 1:1, 1:n, n:1 및 n:n 중 어느 하나에 해당함- 를 포함할 수 있다. 환적배차 생성부(350)에 의해 생성되는 환적배차 정보는 복화배차 생성부(320)에 의해 생성된 복화배차 정보를 기초로 갱신되어 생성되는 것이므로 복화배차 정보와 동일한 구조로 생성될 수 있으며, 이에 대한 구체적인 설명은 생략한다.In an embodiment, the transshipment dispatch information may include matching information between one-way cargo and return cargo, wherein the matching information corresponds to any one of 1:1, 1:n, n:1, and n:n. Since the transshipment dispatch information generated by the transshipment
일 실시예에서, 환적배차 생성부(350)는 예비 환적배차 정보들의 편도화물 및 복귀화물을 각각 분리하는 단계, 분리된 편도화물 및 복귀화물에 관한 후보 조합들을 생성하는 단계 및 후보 조합들에 관한 비교분석을 통해 최적 조합을 결정하고 해당 최적 조합을 기초로 환적배차 정보를 생성하는 단계를 통해 동작할 수 있다.In one embodiment, the transshipment
보다 구체적으로, 환적배차 생성부(350)는 예비 환적배차 정보들의 편도화물 및 복귀화물을 각각 분리할 수 있다. 예비 환적배차 정보는 편도화물 및 복귀화물 각각에 대한 화물배차 정보를 포함할 수 있고, 환적배차 생성부(350)는 예비 환적배차 정보들에서 편도화물과 복귀화물에 관한 정보를 분류하여 그룹화 할 수 있다.More specifically, the transshipment
또한, 환적배차 생성부(350)는 분리된 편도화물 및 복귀화물에 관한 후보 조합들을 생성할 수 있다. 즉, 환적배차 생성부(350)는 복수의 편도화물들과 복수의 복귀화물들에 관한 다양한 조합을 생성하여 환적배차 정보를 구성하기 위한 후보 조합들을 생성할 수 있다.Also, the
또한, 환적배차 생성부(350)는 후보 조합들에 관한 비교분석을 통해 최적 조합을 결정하고 해당 최적 조합을 기초로 환적배차 정보를 생성할 수 있다. 환적배차 생성부(350)는 후보 조합들의 화물배차 정보를 기초로 배차단가를 예측할 수 있고, 최소의 배차단가에 대응되는 최적 조합을 결정하여 환적배차 정보를 생성할 수 있다.Also, the
일 실시예에서, 환적배차 생성부(350)는 AI 모델의 입력 데이터로서 적어도 두개의 복화배차 그룹들 및 중간 경유지에 관한 정보를 포함시킬 수 있다. 환적배차 생성부(350)는 AI 모델을 이용하여 환적배차 정보를 생성할 수 있으며, 이를 위하여 사전에 구축된 AI 모델을 활용할 수 있다. 특히, AI 모델은 적어도 두개의 복화배차 그룹들 및 중간 경유지에 관한 정보를 포함하는 입력 데이터를 기초로 최적의 환적배차 정보를 포함하는 출력 데이터를 생성할 수 있다. 이 때, 출력 데이터는 중간 경유지를 포함하는 화물정보와 이를 처리하기 위한 화물배차 정보를 포함할 수 있으며, 이 경우 화물배차 정보는 복화배차 정보 또는 환적배차 정보에 해당할 수 있다.In an embodiment, the
제어부(360)는 환적배차 서비스 제공 장치(150)의 전체적인 동작을 제어하고, 화물정보 수신부(310), 복화배차 생성부(320), 복화배차 그룹 생성부(330), 화물환적 예측부(340) 및 환적배차 생성부(350) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.The
도 4는 본 발명의 일 실시예에 따른 인공지능 기반의 환적배차 서비스 제공 과정을 설명하는 순서도이다.4 is a flowchart illustrating a process of providing an artificial intelligence-based transshipment dispatch service according to an embodiment of the present invention.
도 4를 참조하면, 환적배차 서비스 제공 장치(150)는 화물정보 수신부(310)를 통해 화물운송 요청에 연관되는 편도화물 및 복귀화물 각각의 화물정보를 수신할 수 있다(단계 S410). 또한, 환적배차 서비스 제공 장치(150)는 복화배차 생성부(320)를 통해 화물정보를 기초로 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성할 수 있다(단계 S420). 또한, 환적배차 서비스 제공 장치(150)는 복화배차 그룹 생성부(330)를 통해 복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성할 수 있다(단계 S430).Referring to FIG. 4 , the transshipment
또한, 환적배차 서비스 제공 장치(150)는 화물환적 예측부(340)를 통해 각 복화배차 그룹에 대해 중간 경유지를 결정할 수 있다(단계 S440). 또한, 환적배차 서비스 제공 장치(150)는 화물환적 예측부(340)를 통해 중간 경유지에서의 화물환적에 따른 결과를 예측할 수 있다(단계 S450). 또한, 환적배차 서비스 제공 장치(150)는 환적배차 생성부(350)를 통해 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성할 수 있다(단계 S460).In addition, the transshipment dispatch
일 실시예에서, 환적배차 서비스 제공 장치(150)는 화물배차 처리부(도면에 미도시함)를 통해 환적배차 정보에 따라 화물배차의 처리를 제공할 수 있다. 화물배차 처리부는 화물배차의 처리를 위해 복화배차 정보 또는 환적배차 정보에 따른 화물차량을 결정할 수 있고, 해당 화물차량에 대해 화물운송을 위한 운송경로를 포함하는 배차정보를 제공할 수 있으며, 해당 화물차량의 운송 상황에 대한 실시간 관제를 수행할 수 있다. 특히, 화물배차 처리부는 화물차량 또는 차주 단말(110)과의 연동을 통해 해당 화물차량이 상차지 또는 하차지에 도착하고, 화물을 상차 또는 하차하며, 상차 또는 하차 후 해당 상차지 또는 하차지를 출발하는 전 과정에 대한 모니터링을 수행하여 도착, 대기, 상차, 하차 및 출발에 관한 시간 정보를 수집할 수 있다.In an embodiment, the apparatus for providing a
도 5 및 6은 본 발명에 따른 환적배차 서비스 제공 과정을 설명하는 도면이다.5 and 6 are diagrams for explaining a process of providing a transshipment service according to the present invention.
도 5 및 6을 참조하면, 환적배차 서비스 제공 장치(150)는 화물환적 예측부(340)를 통해 각 복화배차 그룹에 대해 중간 경유지를 결정하고 중간 경유지에서의 화물환적에 따른 결과를 예측할 수 있으며, 환적배차 생성부(350)를 통해 예측 결과에 따라 중간 경유지에 기초한 환적배차 정보를 생성할 수 있다. 여기에서, 환적배차 정보는 편도화물과 복귀화물로 구성된 복합화물에 대한 화물정보와 배차정보를 포함할 수 있으며, 해당 화물정보와 배차정보는 상차지 또는 하차지가 중간 경유지와 연관되어 설정될 수 있다.5 and 6, the transhipment dispatch
도 5의 그림 (a)에서, 복화배차 정보는 상차지(510)에서 하차지(520)까지의 편도화물 운송(530)과 하차지(520)에서 상차지(510)까지의 복귀화물 운송(540)에 관한 정보를 포함할 수 있다. 즉, 환적배차 서비스 제공 장치(150)는 각각 개별적으로 접수된 화물운송 주문들 중에서 운행 방향을 기준으로 편도화물과 복귀화물로 분류할 수 있고, 각 화물의 상차지(510)와 하차지(520)의 연관성에 따라 편도화물과 복귀화물을 상호 매칭시킬 수 있다. 환적배차 서비스 제공 장치(150)는 매칭 결과를 반영하여 편도화물 운송(530)과 복귀화물 운송(540)으로 구성된 복화배차 정보를 생성하여 화물운송을 위한 화물배차를 제공할 수 있다.In the figure (a) of FIG. 5, the box delivery information is one-
도 5의 그림 (b)에서, 상차지(510)와 하차지(520) 사이에 중간 경유지(550)를 결정하고, 이를 기초로 기존의 복화배차 정보를 환적배차 정보로 갱신할 수 있다. 하나의 화물차량을 통해 상차지(510)에서 하차지(520)까지의 왕복을 통해 화물 운송을 처리하는 것보다는 서로 다른 화물차량들을 통해 각각 상차지(510)에서 중간 경유지(550)까지의 왕복 화물운송과 중간 경유지(550)에서 하차지(520)까지의 왕복 화물운송을 처리하는 것이 경우에 따라 더 효율적일 수 있다.In the figure (b) of FIG. 5 , an
즉, 환적배차 서비스 제공 장치(150)에 의해 생성되는 환적배차 정보는 기존의 복화배차 정보와 비교하여 화물운송에 따른 시간, 비용 및 거리 중 적어도 하나의 측면에서 더 나은 결과를 제공할 수 있다. 이를 위하여, 환적배차 서비스 제공 장치(150)는 중간 경유지에 기초한 화물환적의 결과를 사전에 예측할 수 있으며, 해당 과정에서 사전에 수집된 화물운송에 관한 빅데이터를 활용할 수 있다.That is, the transshipment dispatch information generated by the transshipment dispatch
도 6에서, 환적배차 서비스 제공 장치(150)는 복화배차 정보들과 연관된 화물운송 경로들 간의 교차점을 기초로 중간 경유지를 결정할 수 있다. 예를 들어, 편도화물의 운송경로들이 특정 지점에서 교차하는 경우 환적배차 서비스 제공 장치(150)는 해당 교차점을 중심으로 특정 반경 이내에 존재하는 상차지 또는 하차지를 중간 경유지로 결정할 수 있다. 기존의 상차지 또는 하차지의 경우 상·하차를 위한 시설을 갖추고 있기 때문에 화물환적이 용이할 수 있다.In FIG. 6 , the
한편, 환적배차 서비스 제공 장치(150)는 화물환적을 위한 환적지를 사전에 구축할 수 있고, 환적배차 정보의 생성 과정에서 이를 활용할 수 있다. 즉, 환적배차 서비스 제공 장치(150)는 기 구축된 환적지들 중 어느 하나를 중간 경유지로서 결정하여 환적배차 정보를 생성할 수 있다. 이 때, 환적배차 서비스 제공 장치(150)는 화물운송 경로들 간의 교차점을 기초로 복수의 환적지들 중 중간 경유지를 결정할 수 있다.On the other hand, the transshipment dispatch
환적배차 서비스 제공 장치(150)는 동적으로 결정되는 중간 경유지를 기점으로 최적 경로(Route)를 생성하고 이에 기반한 화물계획 생성 및 화물배차를 처리하는 통합 플랫폼을 제공함으로써 화물 용차시장 내의 수요와 공급 간의 균형 최적화를 통해 가격구조를 효과적으로 개선시킬 수 있다.The transshipment
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to preferred embodiments of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that it can be done.
100: 환적배차 서비스 제공 시스템
110: 차주 단말130: 화주 단말
150: 환적배차 서비스 제공 장치170: 데이터베이스
210: 프로세서230: 메모리
250: 사용자 입출력부270: 네트워크 입출력부
310: 화물정보 수신부320: 복화배차 생성부
330: 복화배차 그룹 생성부340: 화물환적 예측부
350: 환적배차 생성부360: 제어부
510: 상차지520: 하차지
530: 편도화물 운송540: 복귀화물 운송
550: 중간 경유지100: Transshipment service provision system
110: borrower terminal 130: shipper terminal
150: device for providing transshipment service 170: database
210: processor 230: memory
250: user input/output unit 270: network input/output unit
310: cargo information receiving unit 320: box dispatcher generating unit
330: box truck group generation unit 340: freight transshipment prediction unit
350: transshipment dispatch generation unit 360: control unit
510: loading station 520: unloading station
530: one-way freight transport 540: return freight transport
550: intermediate stop
Claims (8)
Translated fromKorean상기 화물정보를 기초로 상기 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성하는 복화배차 생성부;
복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성하는 복화배차 그룹 생성부;
각 복화배차 그룹에 대해 중간 경유지를 결정하고 상기 중간 경유지에서의 화물환적에 따른 결과를 예측하는 화물환적 예측부; 및
상기 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성하는 환적배차 생성부를 포함하되,
상기 복화배차 정보 및 상기 환적배차 정보 각각은 상기 화물정보에서 화물 및 차량 각각의 편도, 왕복 및 복귀에 관한 정보를 학습하여 구축된 AI 모델에 의해 생성되고,
상기 AI 모델은 상기 화물정보를 기초로 상기 화물운송이 완료된 화물배차 정보를 데이터화 하는 단계; 상기 화물배차 정보를 상기 화물 및 차량에 관한 복수의 조합들로 분류하는 단계; 상기 복수의 조합들 각각에 대해 상차지와 하차지를 포함하고 각 화물배차 정보에 대응되는 화물운송 경로를 식별하는 단계; 상기 상차지와 하차지 각각의 유사도를 기초로 화물운송 경로들을 군집화 하는 단계; 및 상기 분류 결과와 상기 군집화 결과를 포함하는 학습 데이터를 생성하여 학습하는 단계를 통해 구축되며,
상기 복화배차 그룹 생성부는 상기 복수의 복화배차 정보들의 화물운송 경로와 상기 화물운송 경로의 교차점들 사이의 근접성을 기초로 상기 군집화 하고,
상기 화물환적 예측부는 적어도 두개의 복화배차 그룹들에 대해 상기 중간 경유지를 결정하며,
상기 환적배차 생성부는 상기 AI 모델의 입력 데이터로서 상기 적어도 두개의 복화배차 그룹들 및 상기 중간 경유지에 관한 정보를 포함시키는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 장치.
a cargo information receiving unit for receiving cargo information of each of the one-way cargo and the return cargo related to the cargo transport request;
a multiplex dispatcher generating unit for generating multiplex dispatch information for sequentially processing cargo transportation for the one-way cargo and return cargo based on the cargo information;
a complex dispatch group generating unit generating a plurality of complex dispatch groups by clustering a plurality of complex dispatch information;
a freight transshipment prediction unit that determines an intermediate stopover for each double-delivery group and predicts a result according to the freight transshipment at the intermediate stopover; and
and a transshipment dispatcher generating unit that, upon receiving approval for the predicted result, updates the boxed dispatch information of the corresponding boxed dispatch group to generate transhipment dispatch information,
Each of the cargo dispatch information and the transshipment dispatch information is generated by an AI model built by learning information about one-way, round-trip, and return of each cargo and vehicle from the cargo information,
The AI model may include: dataizing cargo dispatch information in which the cargo transportation is completed based on the cargo information; classifying the freight dispatch information into a plurality of combinations related to the freight and vehicle; identifying a cargo transport route including loading and unloading locations for each of the plurality of combinations and corresponding to each cargo dispatch information; clustering freight transport routes based on the similarity of each of the loading and unloading stations; and generating and learning learning data including the classification result and the clustering result.
The complex dispatch group generation unit clusters the plurality of complex dispatch information on the basis of the proximity between the freight transport path and the intersections of the freight transport path,
The freight transshipment prediction unit determines the intermediate stopover for at least two double-delivery groups,
The apparatus for providing transshipment dispatch service based on artificial intelligence, wherein the transshipment dispatch generating unit includes information on the at least two multiplex dispatch groups and the intermediate stopover as input data of the AI model.
상기 편도화물 및 복귀화물 간의 매칭정보 -상기 매칭정보는 1:1, 1:n, n:1 및 n:n 중 어느 하나에 해당함- 를 포함하는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 장치.
The method according to claim 1, wherein each of the boxing dispatch information and the transshipment dispatch information is
Matching information between the one-way cargo and the return cargo - The matching information corresponds to any one of 1:1, 1:n, n:1, and n:n. Device.
복화배차 그룹의 복화배차 정보들과 연관되는 상차지들 및 하차지들 중 어느 하나를 상기 중간 경유지로서 결정하는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 장치.
According to claim 1, wherein the cargo transshipment prediction unit
An apparatus for providing an artificial intelligence-based transshipment service, characterized in that any one of loading and unloading stations associated with the boxing dispatch information of the boxing dispatch group is determined as the intermediate stopover.
상기 중간 경유지를 기초로 상기 화물환적이 가능한 후보 복화배차 정보들을 결정하는 단계;
상기 후보 복화배차 정보들 각각의 화물정보에 상기 화물환적을 적용하여 예비 환적배차 정보들을 생성하는 단계; 및
상기 예비 환적배차 정보들을 기초로 상기 화물배차의 처리를 위한 배차단가를 예측하는 단계를 통해 동작하는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 장치.
According to claim 1, wherein the cargo transshipment prediction unit
Determining information on the possible freight forwarding candidates based on the intermediate stopover;
generating preliminary transshipment dispatch information by applying the freight transshipment to the respective freight information of the candidate freight forwarding dispatch information; and
An artificial intelligence-based transshipment service providing apparatus, characterized in that it operates through the step of estimating a unit price for processing of the freight dispatch based on the preliminary transshipment and dispatch information.
상기 예비 환적배차 정보들의 편도화물 및 복귀화물을 각각 분리하는 단계;
상기 분리된 편도화물 및 복귀화물에 관한 후보 조합들을 생성하는 단계; 및
상기 후보 조합들에 관한 비교분석을 통해 가장 작은 배차단가에 대응되는 조합을 결정하고 해당 조합을 기초로 상기 환적배차 정보를 생성하는 단계를 통해 동작하는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 장치.
The method of claim 5, wherein the transshipment dispatch generating unit
separating the one-way cargo and the return cargo of the preliminary transshipment information;
generating candidate combinations for the separated tonsil cargo and return cargo; and
An artificial intelligence-based transshipment dispatch service, characterized in that it operates through the step of determining a combination corresponding to the smallest dispatch unit price through comparative analysis on the candidate combinations and generating the transshipment dispatch information based on the combination Device.
상기 화물정보 수신부를 통해, 화물운송 요청에 연관되는 편도화물 및 복귀화물 각각의 화물정보를 수신하는 단계;
상기 복화배차 생성부를 통해, 상기 화물정보를 기초로 상기 편도화물 및 복귀화물에 대한 화물운송을 순차적으로 처리하기 위한 복화배차 정보를 생성하는 단계;
상기 복화배차 그룹 생성부를 통해, 복수의 복화배차 정보들을 군집화 하여 복수의 복화배차 그룹들을 생성하는 단계;
상기 화물환적 예측부를 통해, 각 복화배차 그룹에 대해 중간 경유지를 결정하고 상기 중간 경유지에서의 화물환적에 따른 결과를 예측하는 단계; 및
상기 환적배차 생성부를 통해, 상기 예측된 결과에 대한 승인을 수신한 경우 해당 복화배차 그룹의 복화배차 정보를 갱신하여 환적배차 정보를 생성하는 단계를 포함하되,
상기 복화배차 정보 및 상기 환적배차 정보 각각은 상기 화물정보에서 화물 및 차량 각각의 편도, 왕복 및 복귀에 관한 정보를 학습하여 구축된 AI 모델에 의해 생성되고, 상기 AI 모델은 상기 화물정보를 기초로 상기 화물운송이 완료된 화물배차 정보를 데이터화 하는 단계; 상기 화물배차 정보를 상기 화물 및 차량에 관한 복수의 조합들로 분류하는 단계; 상기 복수의 조합들 각각에 대해 상차지와 하차지를 포함하고 각 화물배차 정보에 대응되는 화물운송 경로를 식별하는 단계; 상기 상차지와 하차지 각각의 유사도를 기초로 화물운송 경로들을 군집화 하는 단계; 및 상기 분류 결과와 상기 군집화 결과를 포함하는 학습 데이터를 생성하여 학습하는 단계를 통해 구축되며,
상기 복수의 복화배차 그룹들을 생성하는 단계는 상기 복수의 복화배차 정보들의 화물운송 경로와 상기 화물운송 경로의 교차점들 사이의 근접성을 기초로 상기 군집화 하는 단계를 포함하고,
상기 화물환적에 따른 결과를 예측하는 단계는 적어도 두개의 복화배차 그룹들에 대해 상기 중간 경유지를 결정하는 단계를 포함하며,
상기 환적배차 정보를 생성하는 단계는 상기 AI 모델의 입력 데이터로서 상기 적어도 두개의 복화배차 그룹들 및 상기 중간 경유지에 관한 정보를 포함시키는 단계를 포함하는 것을 특징으로 하는 인공지능 기반의 환적배차 서비스 제공 방법.
An artificial intelligence-based transshipment dispatch service providing method performed in an artificial intelligence-based transshipment dispatch service providing device comprising a freight information receiving unit, a multiplex dispatch generation unit, a multiplex dispatch group generation unit, a freight transshipment prediction unit, and a transhipment dispatch generation unit, the method comprising:
receiving, through the cargo information receiving unit, cargo information of each of the one-way cargo and the return cargo related to the cargo transport request;
generating, through the multiplex dispatch generation unit, multiplex dispatch information for sequentially processing cargo transportation for the one-way cargo and return cargo based on the cargo information;
generating a plurality of complex dispatch groups by clustering a plurality of complex dispatch information through the complex dispatch group generating unit;
determining, through the freight transshipment prediction unit, an intermediate stopover for each double-delivery group and predicting a result according to the freight transshipment at the intermediate stopover; and
and generating transhipment dispatch information by updating the boxed dispatch information of the corresponding boxed dispatch group when approval for the predicted result is received through the transshipment dispatch generator,
Each of the cargo dispatch information and the transshipment dispatch information is generated by an AI model built by learning information on one-way, round-trip and return of each cargo and vehicle from the cargo information, and the AI model is based on the cargo information. converting the cargo dispatch information on which the cargo transport has been completed into data; classifying the freight dispatch information into a plurality of combinations related to the freight and vehicle; identifying a cargo transport route including loading and unloading locations for each of the plurality of combinations and corresponding to each cargo dispatch information; clustering freight transport routes based on the similarity of each of the loading and unloading stations; and generating and learning learning data including the classification result and the clustering result.
The generating of the plurality of boxed dispatcher groups includes the step of clustering the plurality of boxed dispatchers based on proximity between intersections of freight routes and freight routes of the plurality of boxed dispatch information;
Predicting a result according to the cargo transshipment includes determining the intermediate stopover for at least two boxed train groups,
The generating of the transshipment dispatch information comprises the step of including the information on the at least two multiplex dispatch groups and the intermediate stopover as input data of the AI model. Way.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200093482AKR102447122B1 (en) | 2020-07-28 | 2020-07-28 | Apparatus and method for providing transshipment service based on artificial intelligence |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200093482AKR102447122B1 (en) | 2020-07-28 | 2020-07-28 | Apparatus and method for providing transshipment service based on artificial intelligence |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220013981A KR20220013981A (en) | 2022-02-04 |
| KR102447122B1true KR102447122B1 (en) | 2022-09-27 |
Family
ID=80268469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200093482AActiveKR102447122B1 (en) | 2020-07-28 | 2020-07-28 | Apparatus and method for providing transshipment service based on artificial intelligence |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102447122B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240094289A (en)* | 2022-12-16 | 2024-06-25 | 주식회사 케이티 | Server, method and computer program for providing logistics route |
| KR102836186B1 (en)* | 2024-08-23 | 2025-07-21 | 쿠팡 주식회사 | Electronic device and method of assigning linehaul for truck |
| CN119176368B (en)* | 2024-11-26 | 2025-03-11 | 包头钢铁(集团)铁捷物流有限公司 | Goods transportation storage device of commodity circulation supply chain |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101981475B1 (en)* | 2018-01-25 | 2019-05-23 | 김현대 | The apparatus and method of matching for allocation of cars with artificial intelligence module |
| KR101992828B1 (en)* | 2019-02-19 | 2019-06-25 | 정승범 | System and method for dispatching cargo |
| KR102041971B1 (en)* | 2018-05-09 | 2019-11-07 | 주식회사 모베이스 | Cloud delivery service system using optimal delivery path pattern mining learning method |
| KR102101814B1 (en)* | 2020-01-03 | 2020-04-17 | 정만호 | A system of mediation for freight capable of amending of allocation information |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101570879B1 (en)* | 2009-04-03 | 2015-11-23 | 에스케이이노베이션 주식회사 | Cargo / Tolerance information collection and provision system |
| KR102100249B1 (en) | 2018-05-21 | 2020-04-14 | 주식회사 와이엘피 | Apparatus of processing allocation of the freight cars |
| KR20200068061A (en)* | 2018-11-27 | 2020-06-15 | 주식회사 신나는세상 | Backhauling quick service operation method and backhauling quick service operation system based on carry bigdata |
- 2020
- 2020-07-28KRKR1020200093482Apatent/KR102447122B1/enactiveActive
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101981475B1 (en)* | 2018-01-25 | 2019-05-23 | 김현대 | The apparatus and method of matching for allocation of cars with artificial intelligence module |
| KR102041971B1 (en)* | 2018-05-09 | 2019-11-07 | 주식회사 모베이스 | Cloud delivery service system using optimal delivery path pattern mining learning method |
| KR101992828B1 (en)* | 2019-02-19 | 2019-06-25 | 정승범 | System and method for dispatching cargo |
| KR102101814B1 (en)* | 2020-01-03 | 2020-04-17 | 정만호 | A system of mediation for freight capable of amending of allocation information |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220013981A (en) | 2022-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Reed et al. | The value of autonomous vehicles for last-mile deliveries in urban environments | |
| Heilig et al. | From digitalization to data-driven decision making in container terminals | |
| CN111815231B (en) | Intelligent carpooling method and system for logistics platform | |
| Fazi et al. | A variant of the split vehicle routing problem with simultaneous deliveries and pickups for inland container shipping in dry-port based systems | |
| Crainic | Long-haul freight transportation | |
| Battarra et al. | Chapter 6: pickup-and-delivery problems for goods transportation | |
| KR102447122B1 (en) | Apparatus and method for providing transshipment service based on artificial intelligence | |
| Campbell | Hub location and the p-hub median problem | |
| CN100495469C (en) | Vehicle Transportation Scheduling Management System Based on Vehicle Intelligent Terminal | |
| Ghilas et al. | Integrating passenger and freight transportation: Model formulation and insights | |
| KR102503198B1 (en) | Device and method for providing optimal cargo delivery route based on artificial intelligence | |
| Cheng et al. | Integrated people-and-goods transportation systems: from a literature review to a general framework for future research | |
| KR102142222B1 (en) | Traffic management method for efficiency of port distribution | |
| KR20220006726A (en) | Device and method for providing automatic distribution of milk run cargo based on route big data | |
| KR100613858B1 (en) | Vehicle Allocation Method for Logistics Workflow | |
| CN107180326A (en) | One single intelligent shipping method of closed loop | |
| Mazaraki et al. | Development of a multimodal (railroad-water) chain of grain supply by the agent-based simulation method | |
| Makarova et al. | Features of logistic terminal complexes functioning in the transition to the circular economy and digitalization | |
| JP2024512614A (en) | Electronic system to monitor and automatically control cargo transportation | |
| KR102382013B1 (en) | Integrated logistics delivery management system and method linked with erp system | |
| Cao | Mathematical Model and Algorithm of Multi‐Index Transportation Problem in the Background of Artificial Intelligence | |
| Ma et al. | Impact of passenger unused baggage capacity on air cargo delivery | |
| KR102447123B1 (en) | Apparatus and method for providing box truck dispatch service based on artificial intelligence | |
| Parkhomenko et al. | Building a model for planning rapid delivery of containers by rail under the conditions of intermodal transportation based on robust optimization | |
| Dotoli et al. | A technique for the optimal management of containers' drayage at intermodal terminals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | Patent event code:PA01091R01D Comment text:Patent Application Patent event date:20200728 | |
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection | Comment text:Notification of reason for refusal Patent event date:20220307 Patent event code:PE09021S01D | |
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration | Patent event code:PE07011S01D Comment text:Decision to Grant Registration Patent event date:20220915 | |
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment | Comment text:Registration of Establishment Patent event date:20220921 Patent event code:PR07011E01D | |
| PR1002 | Payment of registration fee | Payment date:20220922 End annual number:3 Start annual number:1 | |
| PG1601 | Publication of registration |